要在AWS Sagemaker自定义训练作业容器中发出损失度量，您需要在训练代码中添加一些额外的逻辑来记录和发送损失度量。以下是一个示例解决方法：

import boto3

# 初始化SageMaker SDK
sagemaker_client = boto3.client('sagemaker')

# 记录和发送损失度量
def log_loss_metric(loss):
    # 在训练日志中打印损失值
    print('Loss:', loss)

    # 发送损失度量到SageMaker
    sagemaker_client.update_trial_component(TrialComponentName=sm_trial_component_name, 
                                            DisplayName='Loss', 
                                            Metrics={'loss': loss})

# 训练循环
def train():
    for epoch in range(num_epochs):
        # 运行训练步骤并计算损失
        loss = train_step()

        # 记录和发送损失度量
        log_loss_metric(loss)

# 训练步骤
def train_step():
    # 执行训练步骤并计算损失
    # ...

    return loss

在上述示例中，我们首先初始化了SageMaker SDK客户端。然后，我们在训练循环中调用log_loss_metric函数来记录和发送损失度量。在log_loss_metric函数中，我们首先使用print语句在训练日志中打印损失值。然后，我们使用SageMaker SDK的update_trial_component方法来更新训练作业容器的Trial Component，并将损失值作为度量传递给SageMaker。请注意，sm_trial_component_name是您的训练作业容器的Trial Component名称，您需要在代码中替换为正确的值。

通过在训练循环中调用log_loss_metric函数，您可以在每个训练步骤中记录和发送损失度量。这些度量将在SageMaker控制台的训练作业监控选项卡上可见。您还可以使用SageMaker SDK的其他方法来获取这些度量并在其他系统中进行处理。